国内并行遗传算法文章大收集，研究并行遗传算法必备学习资料...

SOM人工神经网络的经典例子源代码，是真的

基于遗传算法的图案生成程序，其中有遗传算法的基本模块。-based on genetic algorithm design generation procedures, which are the basic genetic algorithm module.

利用a星算法来走迷宫的C++实例。console下运行，a星算法比较简洁明了，便于学习-The use of a satellite algorithm to Maze in C++ examples. console running, a star algorithm is relatively simple and clear, easy to learn

在对神经网络了解一点点后就可看懂这个，介绍MATLAB神经网络工具箱运用

神 经 网 络 资 料-neural network data

BP神经网络的C语言实现-Neural Network C Language

是实现关系型贝叶斯网络一中机器学习算法，从国外相关研究人员的主页上下载收集。

Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor

自适应遗传算法matlab代码.自适应遗传算法的问题是很容易早熟,好处就是速度快 .不过我将在其中会引入一个早熟判定标志的，并设定一个阈值，如此以来，就可以防止早熟现象了 -Adaptive genetic algorithm Matlab code. Adaptive genetic algorithm is very easy precocious, advantage is faster. However, in which I will be introducing an early sign of determination, and set a threshold, so, you can prevent precocious phenomenon

模糊控制与PID控制比较,模糊控制仿真的阶跃响应-fuzzy control